本页由机器翻译。英文原文为权威版本。 阅读英文版
跳转到主要内容

Black-Scholes 模型

Black-Scholes 回答了一个简单的问题:"这个期权应该值多少钱?"

给定五个输入——现货价格、行权价、剩余到期时间、利率和波动率——该公式输出一个理论公允价值。它是欧式期权的标准定价模型,也是计算隐含波动率希腊字母的基础。

输入参数

S 现货价格$100,000
K 行权价$100,000
T 距到期天数30d
r 利率5.0%
σ 波动率50%
Black-Scholes步骤3:看涨期权价格
步骤4:看跌期权价格C
$5,909
点击查看数学P
$5,499
看涨期权价格
看跌期权价格
ITMOTM$0-$5.9k$80kK ($100k)$120k
到期收益$105.9k
Spot must rise 5.9% to profit
看涨期权收益
ITMOTM$0-$5.5k$80kK ($100k)$120k
到期收益$94.5k
Spot must fall 5.5% to profit

Black-Scholes 与希腊字母

试试上面的计算器。注意到移动每个滑块时价格如何变化了吗?这些敏感度都有名称——它们被称为希腊字母

希腊字母衡量什么
Delta现货每变动 $1,期权价格变动多少
Theta期权价格每下降多少
VegaIV 每变动 1%,期权价格变动多少
Gamma现货变动时,Delta 本身变化多少

这些不只是抽象的数字。试试看:缓慢向上滑动现货价格,观察看涨期权价格。这个变化率就是 Delta。

但希腊字母到底是什么?

每个希腊字母都是一个斜率——曲线的陡峭程度。

显示:
现货变动时看涨期权价格如何变化. 点击或沿曲线拖动。
$0k$23k$80k$120k现货价格
放大${zoomLevel}倍
变动上升
斜率 = 上升 / 变动
现货价格
$100k
看涨期权价格
$5.91k
Delta (斜率)
0.54
Delta = 0.54If spot moves $1,000, call moves ~$540

曲线展示了当某个输入变化时期权价格如何变化。在您当前位置曲线越陡峭,价格对该输入越敏感。

  • 平坦的曲线 → 希腊字母较小 → 价格对该输入几乎没有反应
  • 陡峭的曲线 → 希腊字母较大 → 该输入变化时价格大幅波动

这就是数学中"导数"的全部含义——曲线在某一点的斜率。每个希腊字母只是在不同方向上衡量斜率。

有关每个希腊字母的更多信息,请参阅希腊字母参考

最重要的输入

波动率(σ)是唯一无法直接观察到的输入。您可以查到 S、K、T 和 r——但 σ 必须通过估计或从市场价格中反推得出。这就是为什么隐含波动率如此重要。

关键假设

Black-Scholes 假设:

假设现实
仅限欧式行权✓ 与 Hypercall 一致
恒定波动率✗ 波动率不断变化
无股息✓ 对加密资产基本成立
对数正态价格分布✗ 加密资产存在肥尾
连续交易✓ 加密资产 24/7 交易
无交易成本✗ 费用是存在的

尽管存在这些局限性,Black-Scholes 仍然是期权定价的基础。

为什么它重要

  1. 行业标准——所有人都将其作为基准
  2. 希腊字母推导——Delta、Gamma、Theta、Vega 均源自 Black-Scholes
  3. 隐含波动率——通过给定市场价格反解 Black-Scholes 求得
  4. 快速合理性检查——这个期权定价是否合理?

实践中

您无需手动计算 Black-Scholes。Hypercall 等平台在内部使用它来:

  • 显示理论价格
  • 计算希腊字母
  • 从市场价格推导隐含波动率

该模型为您提供一个理论公允价值。市场价格可能因供需关系而有所不同,但 Black-Scholes 是参考基准。

建立数学直觉

从零开始学习 Black-Scholes互动课程 · 无需基础

上面的交互式课程从第一性原理讲解 Black-Scholes 公式:什么是看涨期权、五个输入参数(S、K、T、r、σ)、由两部分组成的公式结构(C = S·N(d₁) − K·e⁻ʳᵀ·N(d₂))、d₁ 和 d₂ 衡量什么、一个完整的数值计算示例,以及约束价格的无套利复制论证。

开源实现

代码库为何值得研究
QuantLib行业标准 C++ 分析库,经典的 BS 实现
py_vollib简洁的 Python BS + IV 求解器,易于阅读
lets_be_rational快速 IV 求解器,展示真实反解的工作原理
RustQuant具有 BS 定价功能的现代 Rust 量化库

相关内容:

  • 期权估值 - 内在价值与时间价值
  • 行权方式 - 为什么欧式行权对 Black-Scholes 很重要
  • 二元期权 - 模型如何通过 N(d₂) 扩展到数字化到期收益
  • 静态复制 - 将普通期权到期收益分解为二元期权
  • 情景网格 - 用于在冲击情景下重新为头寸定价的模型